[发明专利]行业舆情指数预测方法、装置、计算机设备及存储介质

权利要求书

1.一种行业舆情指数预测方法，其特征在于，包括：

通过分布式爬虫中多个爬虫工具并行获取预设的实体经济行业领域在预设的时间段内的源数据，以得到源数据集；其中，所述源数据集中包括与实体经济行业领域个数相同的子数据集，每一子数据集对应一个实体经济行业领域，每一爬虫工具对应爬取一个实体经济行业领域的网址清单中网页内容；

对所述源数据集中每一子数据集的源数据均进行预处理，得到与各子数据集中包括的多篇文本数据一一对应的处理后数据，以组成与各子数据集对应的处理后数据集合；

将每一处理后数据集合中对应的各处理后数据作为预先训练得到的朴素贝叶斯模型的输入，得到与各处理后数据集合中每一文本数据对应的正负面评分结果；

将每一实体经济行业领域在所述时间段的正负面评分结果作为深度神经网络的输入，并将每一实体经济行业领域在所述时间段的行业GDP增长率作为深度神经网络的输出，进行训练得到与每一实体经济行业领域对应的深度神经网络模型；

获取所选定的实体经济行业领域，爬取当前年度的文本数据集合，获取与当前年度的文本数据集合中各文本数据一一对应的当前处理后数据，及与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果；以及

将与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果作为对应深度神经网络模型的输入，计算得到当前年度的文本数据对应的当前年度行业GDP增长率。

2.根据权利要求1所述的行业舆情指数预测方法，其特征在于，所述通过分布式爬虫中多个爬虫工具并行获取预设的实体经济行业领域在预设的时间段内的源数据，以得到源数据集，包括：

获取所述分布式爬虫中爬虫工具的个数，并获取每一爬虫工具所对应的实体经济行业领域的网址清单；

通过每一爬虫工具爬取对应的实体经济行业领域在所述时间段内的源数据，以组成对应的子数据集；

将每一爬虫工具对应爬取的源数据存储至对应的存储区域，以组成每一爬虫工具对应爬取的子数据集，并由各爬虫工具对应爬取的子数据集组成源数据集。

3.根据权利要求1所述的行业舆情指数预测方法，其特征在于，所述对所述源数据集中每一子数据集的源数据均进行预处理，得到与各子数据集中包括的多篇文本数据一一对应的处理后数据，以组成与各子数据集对应的处理后数据集合，包括：

将所述源数据集中每一子数据集所包括的多篇文本数据中各文本数据的标题和正文分别通过词频-逆文本频率指数模型进行关键词信息抽取，得到与各文本数据对应的标题关键词列表和正文关键词列表；

将每一文本数据对应的标题关键词列表和正文关键词列表进行封装组合，得到与每一文本数据对应的行业消息列表，以组成与各子数据集对应的处理后数据集合。

4.根据权利要求3所述的行业舆情指数预测方法，其特征在于，所述将每一处理后数据集合中对应的各处理后数据作为预先训练得到的朴素贝叶斯模型的输入，得到与各处理后数据集合中每一文本数据对应的正负面评分结果，包括：

获取每一处理后数据集合中对应的各处理后数据，及与各处理后数据对应的行业消息列表；

根据所述朴素贝叶斯模型获取以各行业消息列表中关键词为前提条件对应计算的后验概率，以作为与各行业消息列表对应的正负面评分结果。

5.根据权利要求4所述的行业舆情指数预测方法，其特征在于，所述根据所述朴素贝叶斯模型获取以各行业消息列表中关键词为前提条件对应计算的后验概率，以作为与各行业消息列表对应的正负面评分结果之后，还包括：

由每一实体经济行业领域中各行业消息列表对应的正负面评分结果，组成与每一实体经济行业领域对应的正负面评分结果序列。

6.根据权利要求5所述的行业舆情指数预测方法，其特征在于，所述将与当前年度的文本数据集合中每一文本数据一一对应的当前年度正负面评分结果作为深度神经网络的输入，包括：

获取所选定的实体经济行业领域在当前年度的正负面评分结果序列作为深度神经网络的输入。